Deepnoid-议政府圣母医院联合研究登上两本国际学术期刊

Published 22 May.2025 08:43(KST)

医疗人工智能（AI）专业企业Deepnoid于22日表示，与天主教大学议政府圣母医院共同开展的研究论文已刊登在被科学论文引文索引（SCI）收录的国际学术期刊上。

相关国际学术期刊为AJP（The American Journal of Pathology）和《Lung Cancer》等，均为各自学科领域内位列前25%的Q1级期刊。

论文探讨了基于全视野切片图像（Whole Slide Image, WSI）的人工智能（AI）诊断模型的应用可能性。研究团队证明，相比于基于图像切片（patch）的模型，经过精细调校（fine tuning）的全视野切片图像架构（architecture）模型可表现出更高的诊断性能。

研究以不同癌种为对象，将多份细胞学标本（卵巢癌）和胸腔积液（肺癌）分别用于分析。团队基于通过细胞病理学会从全国约200家病理科收集的高质量质量控制单元数据，通过训练与验证，证明了该模型在临床应用上的可行性和通用性。

在刊登于美国病理学研究学会（ASIP）官方期刊AJP上的卵巢癌研究中，基于全视野切片图像的算法模型在外部验证中取得AUC 0.87的成绩，比基于图像切片的模型优越约9%。该模型无需单独的图像切片标注即可完成学习，实用性较高，并可与医务人员的阅片结果形成互补。

在刊登于肺癌专门临床肿瘤学期刊《Lung Cancer》上的肺癌诊断研究中，研究团队以全国多中心数据为基础，将全视野切片图像设定为分析单元。应用该算法后，确认其性能和分析效率较既有的图像切片模型有所提升。在AI肺癌诊断研究中，模型取得97%的准确率和0.97的AUC，应用基于全视野切片图像的算法后，相比基于图像切片的模型，性能约提升13%。

共同研究团队天主教大学议政府圣母医院教授Jung Joseph表示：“通过本研究，我们以客观数据验证了AI辅助诊断的实效性。今后除卵巢癌和肺癌之外，还将把该技术应用于更多疾病的诊断研究，在一线帮助医务人员提高诊断的准确性和效率。”